Geri Dön

Derin öğrenme yöntemleri kullanılarak konik ışınlı bilgisayarlı tomografi görüntülerinden diş ve çene kemiğinin tespiti

Detection of teeth and jaw bone from cone-beam computed tomography images using deep learning methods

PDF İndir

  1. Tez No: 688534
  2. Yazar: OSAMAH KHALED MUSLEH SALMAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BEKİR AKSOY, DR. ÖĞR. ÜYESİ NURULLAH TÜRKER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Dental implantasyon-subperiostal, Görüntü bölütleme, Hücresel yapay sinir ağları, Konik ışınlı bilgisayarlı tomografi, Radyografi-dental, Dental implantation-subperiosteal, Image segmentation, Cellular artificial neural networks, Cone-beam computed tomography, Radiography-dental
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Günümüzde teknolojinin hızla gelişmesi ile birlikte sağlık sektöründe bilgisayar tabanlı çözümlerde hızla gelişmektedir. Özellikle dental tedavilerde tedavisi öncesi dikkatli ve ayrıntılı tedavi planlamasının yapılması oldukça önemlidir. Bu nedenle dental tedavilerde konik ışınlı bilgisayarlı tomografi cihazlarından elde edilen görüntülerin analizi oldukça önemlidir. Çalışmada konik ışınlı bilgisayarlı tomografi görüntülerini U-Net, DeepLab V3+ ve YOLO V3 derin öğrenme mimarileri kullanılarak diş ve çene kemiği yapısını otomatik olarak tespit eden örnek bir yazılım geliştirilmiştir. Kullanılan üç farklı derin öğrenme mimarilerin eğitimlerinden elde edilen sonuçlar zar benzerlik katsayısı performans değerlendirme ölçütüne göre değerlendirilmiştir. Kullanılan üç derin öğrenme mimarisinden U-Net derin öğrenme modeli, 0.001 öğrenme oranı, 70 tekrar eğitim sayısı ve her eğitimde alınan veri boyutu 16 olarak alınıp eğitim gerçekleştirildiğinde model zar benzerlik katsayısına göre 0.9289 doğruluk oranı ile diş ve çene kemiği tespiti gerçekleştirilmiştir.

Özet (Çeviri)

Today, with the rapid development of technology, computer-based solutions in the health sector are developing rapidly. It is very important to make careful and detailed treatment planning before the treatment, especially in dental treatments. For this reason, the analysis of images obtained from cone-beam computed tomography devices is very important in dental treatments. An exemplary software has been developed in the study that automatically detects the structure of teeth and jawbone using cone-beam computed tomography images using U-Net, DeepLab V3+, and YOLO V3 deep learning architectures. The results obtained from the training of three different deep learning architectures used were evaluated according to the dice similarity coefficient performance evaluation criterion. Among the three deep learning architectures the U-Net deep learning model, 0.001 learning rate, 70 epochs numbers, and the taken batch size in each training were taken as 16 and the model was evaluated, according to the model dice similarity coefficient, with 0.9289 accuracy rate of tooth and jawbone detection.

Benzer Tezler

  1. Tez No

    1019556

    Konik ışınlı bilgisayarlı tomografide yapay zeka kullanarak alveolar antral arter segmentasyonu

    Alveolar antral artery segmentation using artificial intelligence in cone-beam computed tomography

    MUSTAFA HACILAR

    Doktora

    Türkçe

    Türkçe

    2026

    Diş Hekimliğiİzmir Katip Çelebi Üniversitesi

    Ağız, Diş ve Çene Cerrahisi Ana Bilim Dalı

    PROF. DR. NİHAT LAÇİN

  2. Tez No

    982953

    Data and model based performance improvement in transfer learning by using generative adversarial networks and model fusion techniques

    Çekişmeli üretici ağlar ve model tümleştirme teknikleri kullanarak aktarımlı öğretimde veri ve model tabanlı performans iyileştirme

    TUĞÇE TOPRAK

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALPER SELVER

  3. Tez No

    1020599

    Deep learning applications in oral and maxillofacial radiology

    Ağız, diş ve çene radyolojisinde derin öğrenme uygulamaları

    ELHAM TAHSIN YASIN YASIN

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT KÖKLÜ

  4. Tez No

    652318

    Derin öğrenme yöntemleri kullanılarak osteoporozun belirlenmesi

    Determination of osteoporosis using deep learning methods

    MOHAMAD MELAD ALI ASHAMES

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT CEYLAN

  5. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

Geri Dön